关键词：故障诊断;时变工况;精细复合多尺度散度熵;变分模态分解;独立分量分析
摘 要：时变工况下旋转机械的振动信号具有明显的时变调制的特点，熵值方法在提取该类信号特征时具有独特的优势。为了克服传统的熵值方法计算速度慢、熵值不稳定等问题，提出了一种基于精细复合多尺度散度熵的时变工况下旋转机械故障诊断方法，能够更有效地提取故障特征信息并提高故障诊断准确率。首先，采用重采样的方法将时域信号转为角域信号，并利用变分模态分解和独立分量分析相结合的方法对角域信号进行去噪。其次，采用精细复合多尺度散度熵对去噪后的角域信号进行特征提取，然后将提取到的特征输入LR(logistic regression)分类器中识别故障类型。最后，通过时变工况下的齿轮试验对所提方法进行验证，结果表明，所提出的方法有效提高了时变工况下故障诊断准确率。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取